باحثون سنغافوريون يطورون "MaskFi" للتتبع البشري في الوقت الفعلي في Metaverse
Summary:
طور باحثون من جامعة نانيانغ التكنولوجية في سنغافورة تقنية جديدة لتتبع النشاط البشري في الوقت الفعلي للميتافيرس باستخدام استشعار Wi-Fi والذكاء الاصطناعي. لقد أدخلوا نظاما قائما على الذكاء الاصطناعي ، "MaskFi" ، والذي يتغلب على قيود الأساليب الحالية القائمة على أجهزة الاستشعار المادية أو الكاميرات. يستخدم MaskFi ، الذي تم تدريبه من خلال التعلم غير الخاضع للإشراف ، بيانات نشاط الفيديو و Wi-Fi غير المسماة ، ويصل معدل الدقة إلى 97٪. يمكن أن يمهد هذا النهج المبتكر الطريق لتكرار metaverse الدقيق في الوقت الفعلي للعالم الحقيقي.
كشف باحثون علميون في جامعة نانيانغ التكنولوجية ومقرها سنغافورة مؤخرا عن نهج جديد لتتبع النشاط البشري في الوقت الفعلي للميتافيرس. يتمثل أحد الجوانب المهمة في metaverse في القدرة على عكس كائنات العالم الحقيقي والأفراد داخل الفضاء عبر الإنترنت على الفور. في عالم الواقع الرقمي ، يتمتع المستخدمون بالقدرة على إدارة رؤوسهم لتغيير وجهة نظرهم أو استخدام وحدات تحكم في العالم الحقيقي للتأثير على بيئة الإنترنت. تتضمن الطريقة الحالية لالتقاط الحركات البشرية في metaverse أجهزة استشعار أو كاميرات تتمحور حول الجهاز أو مزيج من الاثنين معا. ومع ذلك ، لاحظ الباحثون قيودا خطيرة مع هذه الخيارات في دراستهم قبل الطباعة. ذات صلة: سام ألتمان ، OpenAI يواجه دعوى قضائية رفعها Elon Musk بشأن الاتفاق الذي تم خرقه. يمكن لشبكة الاستشعار المعتمدة على الجهاز ، مثل مستشعر الحركة في وحدة تحكم محمولة ، جمع المعلومات فقط من نقطة واحدة على جسم الإنسان ، مما يحد من التقاط النشاط المعقد ، كما يقول الباحثون. علاوة على ذلك ، تعاني أنظمة التتبع التي تركز على الكاميرا من مشكلات تتعلق بظروف الإضاءة الخافتة والعوائق المادية. هذا هو المكان الذي يلعب فيه استشعار WiFi. لعدة سنوات ، استخدم العلماء مستشعرات WiFi لمراقبة الإجراءات البشرية. على غرار الرادار ، يمكن استخدام إشارات الراديو المستخدمة في إرسال واستقبال بيانات WiFi لاكتشاف الكائنات في البيئة. يمكن تعديلها لمراقبة معدل ضربات القلب ، وتتبع أنماط النوم والتنفس ، وحتى اكتشاف الأشخاص من خلال الجدران. حاول الباحثون في مجال metaverse سابقا دمج استشعار WiFi مع طرق التتبع التقليدية بنتائج مختلطة. هذا يقودنا أيضا إلى عالم الذكاء الاصطناعي. يدعو تتبع WiFi إلى تطبيق نماذج الذكاء الاصطناعي. لسوء الحظ ، غالبا ما شكلت عملية تدريب هذه النماذج تحديات قاسية للباحثين. وفقا للورقة التي أعدها فريق من سنغافورة: "تعتمد التقنيات الحالية التي تستخدم WiFi والطرائق المرئية على حجم كبير من البيانات المصنفة ، والتي يصعب جمعها. ... نقترح حل HAR متعدد الوسائط فريد من نوعه غير خاضع للإشراف ، خلف اسم MaskFi ، والذي يحتاج فقط إلى بيانات نشاط الفيديو والواي فاي غير المسماة لتدريب النموذج ". لتدريب نماذج الذكاء الاصطناعي اللازمة لتجربة استشعار WiFi للتعرف على النشاط البشري (HAR) ، يحتاج العلماء إلى إنشاء قاعدة بيانات واسعة من بيانات التدريب. يمكن أن تمثل مجموعات البيانات المستخدمة للتدريب الذكاء الاصطناعي الآلاف أو حتى الملايين من نقاط البيانات ، بناء على الأهداف المحددة لكل نموذج. غالبا ما يصبح تصنيف مجموعات البيانات هذه الجزء الأطول من هذه التحقيقات. هذا هو المكان الذي يأتي فيه MaskFi. طور فريق من جامعة نانيانغ التكنولوجية نظام "MaskFi" لمعالجة هذا المأزق. ينطبق هذا النظام الذكاء الاصطناعي النماذج التي تم إنشاؤها من خلال طريقة تعرف باسم "التعلم غير الخاضع للإشراف". في التعلم غير الخاضع للإشراف ، يتم تدريب نموذج الذكاء الاصطناعي في البداية على مجموعة بيانات أصغر ثم تتم مراجعته بشكل متكرر حتى يتمكن من عرض حالات المخرجات بدرجة معقولة من الدقة. تمكن هذه العملية العلماء من توجيه تركيزهم على النماذج ، بدلا من استثمار الوقت في إنشاء مجموعات بيانات تدريب قوية. المصدر: يانغ، وآخرون. al., 2024 وفقا للمحققين ، حقق نظام MaskFi دقة بنسبة 97٪ تقريبا عبر معيارين مرتبطين. يشير هذا إلى أنه بعد المزيد من التطوير ، يمكن أن تعمل هذه الآلية كنقطة انطلاق لطريقة metaverse جديدة جذريا: metaverse تقدم تكرارا مثاليا في الوقت الفعلي للعالم الحقيقي.
Published At
3/1/2024 8:23:40 PM
Disclaimer: Algoine does not endorse any content or product on this page. Readers should conduct their own research before taking any actions related to the asset, company, or any information in this article and assume full responsibility for their decisions. This article should not be considered as investment advice. Our news is prepared with AI support.
Do you suspect this content may be misleading, incomplete, or inappropriate in any way, requiring modification or removal?
We appreciate your report.